我觉得，接下来的领域应该是多模态交互领域了。例如，这样的场景。我们对一个机器发出语音指令，去某号楼领取某个工具。那么这个机器就具有语音识别及计算机视觉的功能才能完成这项操作了。再复杂点的场景，游乐园场景。我们可以询问引导机器人，附近的服务点信息。这个就得具有自然语音处理与语音识别。同时机器人可以识别出你是个人还是带着小孩的，然后从调度中心安排不同的车辆来接送。所以，我想说的每个领域再不断完善的过程中，可以开始思考这样的交互领域了。这样可以让我们的AI技术更好的发挥其真正的价值。

我们的目标是为了获取能识别head，hand+people。那么你将之前的两万张再导进去，标注一批有三个标签的图片开始训练。然后进行智能标注。

看了谭总分享过来学习！！！

这个我也想吐槽。这样设计原因应该是产品对未来商业模式的布局。也是给大家了解这个以后将是一个交易的平台。不过我个人喜欢还是把交易平台隔离出来。为什么呢，因为涉及交易就会有更多的决策，需要货比三家。放在这里并不能很好的体验。这里是预体验或者尝试。所以索性就全面放开加时效控制。当你真的要下单交易。应该去市场筛选，与供应/服务商交流。说实话一个好的模型，几十万要的吧。目前这样的操作是不太适合的。

必须可以的！！！训练好的还能下载下来呢！！！

9月26日上午非常有幸参加了华为云AI首席技术布道师陈亮老师的专场。一同参与的还有龙田科技的潭总、麦图的徐总、桂林电信的滕总等大佬。徐总给大家演示了他们公司最近基于ModelArts+HiLens开发了一套机场航空智能指引的系统。可见基于华为云EI系统开进行相关的智能产品开发可以快速搭建产品demo。陈亮老师提到在未来ModelArts开发平台将会有更多的开发者扶持计划，从模型到训练再到数据集资源。让更多的开发者了解ModelArts平台，共建华为云EI生态。这次线下面对面沟通更立体，希望线下常聚多聊，碰撞出更多的思维火花！

了解batch前，先了解下机器学习训练方法的梯度下降。批量梯度下降（BGD），使用所有数据集中的样本在当前点的梯度之和来对权重参数进行更新操作。随机梯度（SGD）,随机选取一个数据集中的样本在当前的梯度来对权重参数进行更新操作。*BGD模式是非常消耗运算资源的，随着数据集数量增大成本会越来越高。SGD模式则有很大的不确定性。在以上基础上，结合BGD与SGD的特性，每次选择数据集中N个样本的梯度来对权重参数进行更新操作=》batch_size。因此你设置的batch_size就是接近于BGD模式还是SGD模式。当数据集量小，算力足够可以偏BGD,反之SGD。

应该就是EVS的计费。不过也不用担心，这个费用非常低！！！超出部分每G¥0.0014/小时

下一步就是配上，学习的视频及练习作业！在ModelArts平台上完成AI进阶

如果是在Notebook中遇到内存溢出问题。有可能是运行失败，系统生成了巨量的日志文件。需要你执行日志文件删除操作。可以进入Terminal，查询文件信息，选择日志文件执行删除，再重新启动训练作业。